糯扎渡水电站粘土心墙压实度检测方法及控制标准

分析了堆石坝心墙掺砾土料填筑体全料压实度最大干密度移动平均值检测法及大型击实检测法的缺陷。结合糯扎渡水电站砾质土料的实际情况,提出了用粒径小于20 mm的细料进行三点击实以快速检测填筑体压实度的方法。与直接检测全料压实度指标的方法相比,细料三点击实快速检测法简捷实用且准确度高。最后,对砾质粘土心墙填筑体压实度指标的检测控制标准提出了具体建议。     

长河坝水电站砾石土击实特性及压实控制标准研究

分析认为砾石土的击实最大干密度与土料母岩性质、风化程度、P5含量、击实功能等因素关系密切,增大试验仪器尺寸可提高砾石土的最大干密度,在试验条件允许时宜尽可能选用较大尺寸击实仪更符合实际。建议了一种砾石土最大干密度经验公式,计算结果与实测值十分吻合,该方法可大幅减少检测工作量、缩短检测时间以满足高强度大方量砾石土填筑质量检测控制需要。同时对全料压实度与细料压实度相关关系进行了分析研究,得出细料压实度并不是一个定值,随 P5含量的增大而降低。研究表明设计标准是合理的。     

长河坝水电站大坝心墙砾石土压实度快速检测方法探讨

根据长河坝水电站大坝填筑施工技术要求,砾石土心墙料的填筑碾压后压实度以全料压实度和细料压实度双控指标进行控制。在压实度的获取过程中,必须得出全料含水率、细料含水率以及砾石含量等重要参数,在这些参数的获取过程中如果运用常规试验方法将耗费大量时间,无法满足现场施工需求。本文对砾石土的快速检测方法进行了试验探讨,结果表明快速检测方法与常规试验方法相比,误差在规范允许范围内,且所耗时间较常规方法大大缩短,可用于实际施工。     

瀑布沟水电站堆石坝砾石土心墙压实质量检测

坝高186 m的大渡河瀑布沟水电站堆石坝采用砾石土心墙,针对心墙料砾石级配范围宽、料源性质变化大、施工难度高的特点,在施工中制定了土料的压实质量控制标准和检测方法,并对检测结果进行了分析,详情予以介绍。     

掺砾料心墙砾石土压实性能研究

两河口水电站大坝为295m高心墙堆石坝,土料来源分散,均一性差,颗粒偏细,需掺砾改性。心墙填筑质量直接关系到整个坝体的安全运行,针对设计提出填筑质量采用全料压实度和细料压实度双控等多项质量控制参数,围绕土料的使用及填筑质量控制标准的确定,通过系列试验研究,提出了掺砾心墙砾石土随掺砾量变化的击实特性及细料压实度范围值,为设计确定控制参数提供依据。     

满拉水利枢纽拦河坝宽级配心墙土料填筑压实度控制

满拉水利枢纽心墙土料填筑施工中，由于特殊的地质构造，形成坝体填筑宽级配心墙土料，施工中4208．00m高程以上改用压实度控制土料填筑质量，采用三点击实法控制心墙填筑压实度。4208．00－4260．30m高程共进行夯实度检测410组，平均压实度0．999，最大值1．066，最小值0．916，达到设计控制指标0．98的占92．2％，合格率100％。实践表明，采用压实度控制防渗心墙宽级配与土料填筑质量是行之有效的。     

中峰水库心墙填筑压实度超百分析

黏土心墙碾压填筑压实度作为土石坝填筑的主要技术控制指标之一,是保证土坝防渗体施工质量,提高防渗体的密实度和均匀性,防止土石坝心墙坝体不均匀沉陷变形和渗漏的关键。本文以中峰水库为例,对工程建设中出现的土石坝心墙坝体压实度超过100%的问题进行分析。     

杭甬高速公路路基压实度试验

高速公路路基土石混合料回填中，采用固体体积率来评定压实度，避免了最大干容重采用击实试验时最大粒径不超过３８ｍｍ的限制，可用全集料进行试验，比较真实地反映了所采用集料的现场压实度，为评定和检测路基填筑质量提供了可靠方法。     

压实度控制在“635”主坝施工中的应用

在土石坝施工中，如何合理、有效地控制粘土心墙填筑质量是确保坝体填筑质量的关键。以往的施工中，主要以干密度为控制指标，这种控制方法不能很好反映土料压实性的变化，尤其对土料性质变化较大的土料控制缺乏合理性。近年来以压实度作为填筑质量控制指标的方法，已逐渐普及。     

压实度控制在“635”主坝施工中的应用

在土石坝施工中，如何合理、有效地控制粘土心墙填筑质量是确保坝体填筑质量的着急２。以往擅长或，主要以干密度为控制指标，这种控制不能很好反映土料压实性的变化，尤其对土料性质变化较大的土料控制缺乏合理性。近年来以压实度作为填筑质量控制指标的方法，已逐渐普及。     

应用GA-BP神经网络预估砾类土的最大干密度

建立砾类土最大干密度预估模型,为控制砾类土工程填筑压实质量、选取满足工程压实性能要求的砾类土提供最大干密度预估参考。颗粒级配是决定砾类土最大干密度的关键因素,收集并整理得到92组砾类土数据,以全级配(d₁₀～d₁₀₀)作为BP(GA-BP)神经网络的输入变量,利用遗传算法优化BP神经网络的初始权值与阀值,构建基于BP神经网络和遗传算法的砾类土最大干密度预估模型,并与BP神经网络进行对比。86组训练样本预估结果的平均相对误差为0.54%,决定系数为0.983;6组检测样本预估结果的平均相对误差为0.57%,证明该网络模型泛化性能良好。采用GA-BP神经网络,由全级配能较好地预估砾类土最大干密度,收敛速度、预估精度及泛化性能均优于标准的BP神经网络模型。     

考虑施工参数影响的心墙砾石土渗透系数预测方法

针对当前心墙砾石土渗透系数预测研究仅考虑料源参数,而少数考虑了施工质量的单一预测模型存在预测误差大、数据特征获取不全面的问题,构建了综合考虑施工质量和料源参数的BPNN-WOA-SVM渗透系数组合预测模型。该模型通过引入鲸鱼优化算法(WOA)解决支持向量机(SVM)参数选择困难的问题,通过最大信息熵原理综合了BP神经网络(BPNN)较强的自适应能力以及鲸鱼优化支持向量机算法(WOA-SVM)良好的回归性能、适用小样本的优点。工程实例应用表明,构建的组合预测模型与单一预测模型相比,降低了均方误差、平均绝对误差和相对分析误差,提高了预测精度和收敛速度,在心墙砾石土渗透系数预测方面具有较强的优越性。     

基于碾轮振动性态分析的土石坝压实质量实时监测与评估

有效控制坝体填筑碾压质量是确保土石坝工程安全的关键。常规采用碾压参数过程控制与事后试坑抽检相结合来控制土石坝压实质量的方法，不能在碾压过程中直接控制坝料压实质量（如压实度、干密度、孔隙率等），且用有限个抽样点不仅难以真实反映整个施工仓面的压实质量，而且由于试坑检测结果不能快速获得，不易及时反馈控制现场施工。本文基于碾轮振动性态及坝料压实机理分析，提出了土石坝料压实质量的实时表征指标—压实监测值CV（Compaction Value），研制开发了相应的车载实时监测装置。基于实时监测的CV，并考虑坝料的级配及含水率，提出了土石坝料压实质量（压实度）的全仓面快速评估方法。实际工程应用表明，CV与坝料压实度之间存在很强的相关性，所建立的压实度回归模型精度较高。本文方法可实现土石坝压实质量全仓面的快速评估，有效避免试坑抽检的片面性及滞后性，为土石坝施工质量控制提供了一条新的途径。     

旁多水利枢纽砂砾石坝壳料现场碾压质量控制曲线

针对砂砾石料填筑碾压的相对密度试验中最大干密度的确定还没有一个完整、成熟的方法,在旁多水利枢纽砂砾石坝壳料碾压试验中,采用20 t振动碾强振20遍时的砂砾石坝壳料的压实干密度作为最大干密度。采用数理分析软件分别得出砂砾石料最大干密度和最小干密度与砾石质量分数的关系曲线,并根据相对密度控制指标最终确定出砂砾石坝壳料现场碾压质量控制曲线。     

碎石土密实度对地基水平承载力影响研究

地基土密实度是影响地基水平抗力系数的比例系数m值的重要因素之一。通过室内物理模拟试验,使用碎石土作为地基模型材料,将地基土密实度进行了量化。通过单桩水平静载试验,获得不同地基密实度的情况下地基水平承载力特征值及m值的变化规律,为桩基设计提供参考依据。试验研究表明：① 增大碎石土地基的密实度可以显著提高单桩水平承载力及m值;② 密实度与地基参数m值呈线性关系;③ 碎石土地基密实度每提高20％,m值增加1.39倍,水平承载力特征值增加1.38~3.01倍。     

级配特征对筑坝砂砾料填筑标准的影响

筑坝砂砾料填筑标准具有级配相关性,在砂砾料筑坝施工质量控制中,目前仅以含砾量来表征级配对碾压干密度的影响,未考虑级配形状和最大粒径不同对砂砾料填筑标准的影响。为了研究这种影响,评估目前单一依靠含砾量来表征级配特征对干密度影响的合理性,设计了含砾量相同而级配曲线形状和最大粒径不同的两组级配曲线,结合实际施工振动碾压条件,通过现场密度桶法,研究了含砾量相同时不同级配形状特征和最大粒径对原级配筑坝砂砾料填筑标准的影响。研究表明,控制含砾量相同时,级配曲线形状对砂砾料最大、最大小干密度有一定影响,随级配参数m和b的增大,砂砾料的最大、最小干密度均呈现减小的趋势。在含砾量和级配参数m相同时,不同最大粒径级配的砂砾料的最大、最小干密度也有差异。表明不同级配特征和最大粒径对筑坝砂砾料填筑标准的确定有一定影响,建议结合具体工程进一步对级配特征和最大粒径对筑坝填筑标准影响的敏感性及对施工质量控制带来的影响进行评估。     

基于施工全过程参数的堆石坝掺砾土心墙压实质量实时评价

料源参数和施工参数是影响掺砾土心墙压实质量的重要因素。针对当前研究中料源参数被局限于掺砾土,且施工参数考虑不全面,缺乏掺拌参数,不能客观实时评价仓面压实质量的问题,提出了一种基于双向极限学习机(Bidirectional extreme learning machine, B-ELM)算法,综合考虑施工全过程参数的掺砾土心墙压实质量实时评价模型。研究模型将掺砾土心墙碾压填筑施工过程中土料参数、石料参数等料源参数,掺拌参数、碾压参数等施工参数和气象参数作为模型的输入参数,采用B-ELM算法构建压实质量实时评价模型,将该模型嵌入堆石坝碾压施工质量实时监控系统中,可以实现压实质量的实时评价。结合西南某在建的掺砾土心墙堆石坝,采用本文提出的压实质量实时评价模型,实现了对碾压施工单元压实质量的实时评价。此外,将该模型与基于掺砾土料源参数的压实质量评价模型进行对比,结果表明,二者在精度上具有一致性,该模型在鲁棒性上具有优越性,并且可以实现压实质量的实时评价;与现场实测压实度比较分析,该模型对压实度评价更为准确和稳定。研究成果可为碾压堆石坝施工技术和设计工作提供参考。     

砂卵砾石地基上的土石坝分区材料研究

云南青山嘴水库主坝为坐落在砂卵砾石地基上的砾石(黏)土心墙石渣坝。针对其筑坝材料的料源组成复杂、地基存在不均匀沉陷及地震液化问题等特点,对坝基砂卵砾石层进行强夯处理,防渗心墙采用砾石土料和黏土料两种防渗土料填筑,坝体采用以砂泥岩为主的夹砂砾岩、砾岩石渣料填筑;防渗心墙反滤层按保护两种心墙料要求设计,心墙下游坝基面按满足与坝体间的过渡关系设置水平反滤层,有效地解决了坝体和坝基的渗透破坏问题,使心墙防渗土料和坝基砂卵砾石层均得到保护,保证了大坝的渗透稳定性。工程于2009年投入运行,实测不同库水位情况下的主坝渗漏量变化和坝体累计沉降量均低于设计值,施工质量良好,运行情况稳定。     

基于FOA-RF算法的心墙砾石土压实质量预测模型

针对随机森林(RF)算法预测心墙砾石土压实质量存在决策树数量选取缺乏深入研究和忽视P0.075质量分数对压实质量影响的问题,提出了一种基于果蝇优化(FOA)算法的随机森林算法(FOA-RF算法),并构建了基于FOA-RF算法的心墙砾石土压实质量预测模型(FOA-RF模型)。该模型一方面通过对料源参数和干密度进行相关性分析,新增了P0.075质量分数作为模型的输入参数;另一方面利用FOA算法对随机森林进行优化,解决了RF算法难以取得决策树数量最优解、没有同时考虑决策树数量与随机特征数影响的问题。以西南某在建砾石土心墙堆石坝工程为例,分别应用基于传统RF、BP神经网络、多元线性回归的预测模型和FOA-RF模型进行压实质量预测。结果表明,FOA-RF模型在预测精度上具有优越性,并基于该模型开发压实质量预测模块,将该模块嵌入碾压质量实时监控系统中可实现压实质量的实时预测。